一般在一台具备自动驾驶功能的车上会使用两种或三种传感器结合的方式来实现环境感知。在应用层面上，就目前而言，主要分为两个派别，一个是以特斯拉为代表的摄像头+毫米波雷达派，另一个则是以 Goolge，百度等为代表的激光雷达派。
随着特斯拉汽车的事故发生，现在行业都在采用
激光雷达作为核心传感器，其中激光雷达+视觉传感器越来越成为主流了，如今的趋势已经非常明显：
1. 随着时间的推进，激光雷达的价格会逐渐走低，性能会逐渐增强。最终，高端版本几百美元就能搞定，而低端版则更加便宜；
2. 计算机视觉技术会不断进化，最终可靠性达到使用要求。同时，与其搭配使用的高性能处理器和
电源需要都会不断走低；
3. 雷达的价格会降至两位数（美元），用于分析雷达数据的软件也会越来越聪明。
激光雷达优点
解析度高，测距精度高，小于2公分、角度分辨率约0.09度，如此高的解析度可完整绘出物体轮廓，外加垂直侦测角度中，平均每0.4度即有一个扫描层、全周资料更新率15赫兹（Hz），车辆周围环境将无所遁形。
抗有源干扰能力强，激光雷达的脉冲光束发射器之口径非常小，即接收器可接收脉冲光束的区域亦非常狭窄，因此，受到其他红外线雷达光束干扰的机会就非常小。此外，脉冲光束实质上属红外线波，不会受电磁波影响，因此，在一般应用环境中能干扰激光扫描仪的信号源不多，适用于高度自动化的系统。
探测性能好，对于激光扫描仪，仅有被脉冲光束照射的目标才会产生反射，且红外线波并不像电磁波会受回波干扰等问题，对于环境的几何形状、障碍物材质等，均不影响激光扫描仪的侦测结果。以系统设计角度而言，因信号具高稳定性激光扫描仪的信号可信度十分高。
不受光线影响，激光扫描仪可全天候进行侦测任务，且其侦测效果不因白天或黑夜而有所影响，这也是目前无人驾驶车中许多采用的摄像头感测器所达不到的功能。
测速范围大，激光扫描仪可成功扫描出障碍物的相对速度高达每小时200公里之轮廓，也就是说，对于车系统，激光扫描仪并不局限在市区或低速应用情境，高速移动下的情境亦可被应用，此对车辆增加移动速度后之安全系统设计有显著的帮助，系统应用上更具有弹性。
即使新技术能按照预测的趋势发展，未来的赢家也一定是那些可以把多项技术相结合的公司，现在的问题是这些技术到底怎样结合才更有效。
现有的激光雷达有个问题，那就是它分辨率有些低，探测距离不够远且售价昂贵。当然，计算机视觉问题也不少，当下它还不够可靠，需要外部照明辅助，而且对计算机能力要求较高（意味着贵）。雷达的问题也是分辨率较低，甚至还不如激光雷达。
高端激光雷达为主，计算机视觉为辅
受大多数团队青睐的32线或64线激光雷达在探测道路障碍的能力上非常可靠，只要在探测范围内，它们几乎不可能出错。不过，一旦距离稍远，它们就很有可能分不清障碍物到底是什么。
如将皮卡错看成普通汽车，将3位行人看成2位，同时它也无法识别面部表情和肢体语言。最重要的是，这家伙是“色盲”，它看不出红绿灯信号。
如果有了计算机视觉的辅助，情况就不一样了。激光雷达可以将障碍物的图片从背景中“抠”出来，随后计算机视觉很容易就能分清它到底是什么，而且计算机视觉无需100% 可靠，它只负责提升最终效果就行。
如果自动驾驶汽车只需遵从“不要撞到路上的东西”这样简单的命令，激光雷达就完全够用，但这样的设定下自动驾驶汽车会频繁刹车，影响乘坐舒适度。
